Python pandas.to_numeric用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

pandas.to_numeric()是Pandas中的常規函數之一，用於將參數轉換為數字類型。

用法： pandas.to_numeric(arg, errors=’raise’, downcast=None)

參數:
arg:列表，元組，一維數組或係列
errors:{'ignore'，'raise'，'coerce'}，默認為'raise'
->如果為“ raise”，則無效的解析將引發異常
->如果為“強製”，則無效的解析將設置為NaN
->如果為“ ignore”，則無效的解析將返回輸入
downcast：[默認無]如果不為None，並且數據已成功轉換為數字dtype，則根據以下規則將結果數據轉換為可能的最小數字dtype：
->“整數”或“有符號”：最小的有符號整數dtype(最小值：np.int8)
->‘unsigned’：最小的unsigned int dtype(最小值：np.uint8)
->“ float”：最小float dtype(最小值：np.float32)

返回:如果解析成功，則為數字。請注意，返回類型取決於輸入。如果為Series，則為Series，否則為ndarray。

代碼1：

首先觀察該數據集。我們將使用此數據的“數字”列來進行序列化，然後進行操作。

# importing pandas module  
import pandas as pd  
    
# making data frame  
df = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")  
  
df.head(10)

在Number列上調用Series構造函數，然後選擇前10行。

# importing pandas module  
import pandas as pd  
    
# making data frame  
df = pd.read_csv("nba.csv")  
  
  
# get first ten 'numbers' 
ser = pd.Series(df['Number']).head(10) 
ser

輸出：

使用pd.to_numeric()方法。請注意，通過使用downcast =“ signed”，所有值都將轉換為整數。

pd.to_numeric(ser, downcast ='signed')

輸出：

代碼2：使用錯誤=“忽略”。它將忽略所有非數字值。

# importing pandas module  
import pandas as pd  
    
  
# get first ten 'numbers' 
ser = pd.Series(['Geeks', 11, 22.7, 33]) 
  
pd.to_numeric(ser, errors ='ignore')

輸出：

代碼3：使用錯誤=“強製”。它將用NaN替換所有非數字值。

# importing pandas module  
import pandas as pd  
    
  
# get first ten 'numbers' 
ser = pd.Series(['Geeks', 11, 22.7, 33]) 
  
pd.to_numeric(ser, errors ='coerce')

輸出：

相關用法

注：本文由純淨天空篩選整理自Shivam_k大神的英文原創作品 Python | pandas.to_numeric method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。